Alphabet的自動(dòng)駕駛汽車(chē)研究部門(mén)Waymo今天詳細(xì)介紹了一個(gè)系統(tǒng)-漸進(jìn)人口基礎(chǔ)增強(qiáng)（PPBA）-它聲稱(chēng)在改善自動(dòng)駕駛系統(tǒng)性能的同時(shí)減少了訓(xùn)練它們所需的數(shù)據(jù)量。Waymo說(shuō)，具體來(lái)說(shuō)，PPBA增強(qiáng)了汽車(chē)的物體檢測(cè)功能，同時(shí)降低了成本并加快了培訓(xùn)過(guò)程。

雖然尚處于起步階段，但即使車(chē)隊(duì)仍然因COVID-19大流行而停飛，該方法仍可提高Waymo車(chē)輛在挑戰(zhàn)性駕駛場(chǎng)景下的堅(jiān)固性。

Waymo的汽車(chē)在現(xiàn)實(shí)世界和模擬中遇到的情況使該公司的工程師有機(jī)會(huì)訓(xùn)練Waymo Driver（Waymo的全棧無(wú)人駕駛平臺(tái)）所基于的模型。作為背景技術(shù)，Waymo Driver（現(xiàn)在已是第五代產(chǎn)品）依賴(lài)于定制的激光雷達(dá)，攝像機(jī)和雷達(dá)套件，以及使它能夠解釋和響應(yīng)傳感器數(shù)據(jù)的算法。

通常，要確保這些模型具有高度通用性，就需要收集大量多樣的培訓(xùn)數(shù)據(jù)并招募人員來(lái)手動(dòng)注釋數(shù)據(jù)。但是PPBA通過(guò)發(fā)現(xiàn)合成其他數(shù)據(jù)的方法來(lái)自動(dòng)執(zhí)行整個(gè)過(guò)程。

PPBA借鑒了AutoAugment（一個(gè)來(lái)自Google Research和Google Brain的項(xiàng)目）的線(xiàn)索，該項(xiàng)目使用各種圖像增強(qiáng)操作（例如旋轉(zhuǎn)，裁剪，圖像鏡像和顏色偏移）來(lái)變形和變換數(shù)據(jù)。通過(guò)強(qiáng)化學(xué)習(xí)訓(xùn)練，它為給定的樣本集選擇最佳的擴(kuò)增策略（即擴(kuò)增操作的組合），同時(shí)減少了搜索策略的計(jì)算成本。

PPBA還基于Waymo現(xiàn)有的數(shù)據(jù)增強(qiáng)工作。在2019年初，該公司開(kāi)始將來(lái)自Google Brain和稱(chēng)為RandAugment的Google Research算法的技術(shù)應(yīng)用于基于圖像的分類(lèi)和檢測(cè)任務(wù)。Waymo報(bào)告說(shuō)，其結(jié)果是，它在幾個(gè)分類(lèi)器和檢測(cè)器上實(shí)現(xiàn)了“重大”改進(jìn)，包括那些有助于對(duì)異物進(jìn)行分類(lèi)的對(duì)象，例如建筑設(shè)備和動(dòng)物。

PPBA瞄準(zhǔn)激光雷達(dá)，它通過(guò)用激光照射目標(biāo)物體并測(cè)量反射脈沖來(lái)測(cè)量到目標(biāo)物體的距離。除了3D空間信息外，來(lái)自激光雷達(dá)傳感器的日志還包含諸如距離，操作強(qiáng)度和采樣概率之類(lèi)的參數(shù)。

為了發(fā)現(xiàn)針對(duì)點(diǎn)云數(shù)據(jù)集設(shè)計(jì)的策略，PPBA在包含八個(gè)操作的點(diǎn)云增強(qiáng)搜索空間上工作，每個(gè)操作都與概率和特定參數(shù)相關(guān)聯(lián)：

原始數(shù)據(jù)樣本
地面真相增強(qiáng)（其參數(shù)表示對(duì)車(chē)輛，行人和騎自行車(chē)的人進(jìn)行采樣的概率）
隨機(jī)翻轉(zhuǎn)
世界縮放
全局平移噪聲（其參數(shù)用于確定某些坐標(biāo)上平移操作的失真幅度）
視錐退出
截錐體噪音
隨機(jī)旋轉(zhuǎn)
隨機(jī)掉落激光點(diǎn)

受生物進(jìn)化的啟發(fā)，PPBA學(xué)會(huì)了從多個(gè)搜索空間開(kāi)始，然后用“后代”替換效果不佳的搜索空間來(lái)優(yōu)化擴(kuò)增策略。在每次迭代中，它都采用過(guò)去迭代中發(fā)現(xiàn)的最佳參數(shù)。

Waymo聲稱(chēng)，PPBA在實(shí)驗(yàn)中實(shí)現(xiàn)了整個(gè)檢測(cè)架構(gòu)的性能改進(jìn)，并節(jié)省了成本，因?yàn)镻PBA僅需要標(biāo)記的激光雷達(dá)數(shù)據(jù)進(jìn)行培訓(xùn)。Waymo在博客中寫(xiě)道：“我們的實(shí)驗(yàn)表明，通過(guò)對(duì)激光雷達(dá)數(shù)據(jù)應(yīng)用自動(dòng)數(shù)據(jù)增強(qiáng)，我們可以顯著改善3D對(duì)象檢測(cè)，而無(wú)需進(jìn)行額外的數(shù)據(jù)收集或標(biāo)記。” “在基準(zhǔn)3D檢測(cè)模型上，我們的方法比不使用增強(qiáng)方法的數(shù)據(jù)效率提高了10倍，使我們能夠訓(xùn)練帶有更少標(biāo)記示例的機(jī)器學(xué)習(xí)模型，或者使用相同數(shù)量的數(shù)據(jù)以更低的價(jià)格獲得更好的結(jié)果。成本。”


(* 上圖：Waymo的PPBA致力于在每次訓(xùn)練迭代中優(yōu)化整個(gè)搜索空間的一部分?jǐn)U充參數(shù)。圖片來(lái)源：Waymo)

Waymo并不是第一次使用AI來(lái)加速后端任務(wù)，例如數(shù)據(jù)擴(kuò)充和搜索。

Waymo之前與DeepMind合作進(jìn)行了基于人群的培訓(xùn)（PBT），該培訓(xùn)成功地將行人，自行車(chē)和摩托車(chē)識(shí)別過(guò)程中的誤報(bào)率降低了24％，同時(shí)將培訓(xùn)時(shí)間和計(jì)算資源減少了一半。在進(jìn)行了初步研究之后，PBT與Waymo的技術(shù)基礎(chǔ)架構(gòu)直接集成在一起，從而使整個(gè)公司的研究人員都可以通過(guò)單擊按鈕來(lái)應(yīng)用它。

最近，Waymo撤消了Content Search的帷幕，Content Search利用了與支持Google Photos和Google Image Search相似的技術(shù)，使數(shù)據(jù)科學(xué)家可以快速定位Waymo的駕駛歷史和日志中的幾乎所有對(duì)象。該公司表示，這為整個(gè)系統(tǒng)的“許多改進(jìn)”做出了貢獻(xiàn)，其中包括發(fā)現(xiàn)帶有孩子要踏上人行道的校車(chē)，乘坐電動(dòng)踏板車(chē)的人和過(guò)馬路的貓的能力。